本文共 430 字，大约阅读时间需要 1 分钟。

与fast marching on 3D meshes with euclidian distance 不同(http://blog.csdn.net/seamanj/article/details/52077197), 基于欧氏距离是在欧氏空间算geodesic的距离, 而基于diffusion distance,在是diffusion space里面采用类似geodesic的算法, 只不过这里的diffusion space是k 维空间了. 里面的坐标是diffsuion coordinate.

对于三角形的geodesic distance(无论三角形在欧氏空间还是在diffusion空间),需要知道两条边的边长以及他们的夹角.  在diffusion space中的k维空间,可以类似三维空间定义向量的长度,以及向量之间的夹角.

至于的diffusion distance的好处,请看图:

最终的运行结果如下:

注意跟geodesic结果的区别: